您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 机器学习:该项目使用来自Lending Club的免费数据来构建和评估几种机器学习模型,以预测信用风险。 我们采用了不同的技术来训练和评估班级不平衡的模型。 使用不平衡学习和Scikit学习库-源码

  2. 机器学习 该练习包括一方面使用不同的重采样技术来分析信用风险,另一方面使用集成技术来分析信用风险。 在第一部分中,我们将使用过采样,欠采样以及组合的(过高和不足)采样技术来查看哪种模型在预测信用风险方面做得更好。 在第二部分中,我们将使用不同的集成技术进行相同的操作,以查看哪种模型在预测信用风险方面也做得更好。 分析记录位于ipynb文件中。 重采样技术: 哪种型号的平衡准确度得分最高? 在本练习中,我们使用了4个模型:朴素的随机过采样,SMOTE过采样,欠采样和组合(上下采样)采样
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:16384
    • 提供者:weixin_42176827